什么是正则表达式
- 用正则符号来描述字符串规则让字符串匹配更简单的一种工具; 正则本身的语法和语言无关，几乎所有的编程语言都支持正则
1、正则符号
1)普通字符：
在正则表达式中没有特殊功能或者特殊意义的字符都是普通字符
普通字符在正则表达式中就代表这个符号本身，匹配的时候只能和这个指定的字符进行匹配
2)特殊字符：
. 匹配任意字符(一个点匹配一个字符)
\w ASCII码表中只能匹配字母、数字、下划线；ASCII码表以外的都可以配(一个\w只能匹配一个字符)
\d 匹配一个数字字符(只能匹配一个数字)
\s 匹配任意一个空白字符
# \W,\D,\S 与小写匹配的字符恰好相反
\W 匹配非数字字母下划线
\D 匹配任意非数字
\S 匹配任意非空字符
代码演示
# .(点)字符：匹配任意字符(一个点匹配一个字符)
re_str = r'a.b' # 匹配一个长度是3的字符串，第一个字符是a,最后一个字符是b, 中间是任意字符
print(re.fullmatch(re_str, 'abc')) # None
print(re.fullmatch(re_str, 'a你b'))
print(re.fullmatch(r'a..b', 'au9b'))
# \w字符：ASCII码表中只能匹配字母、数字、下划线；ASCII码表以外的都可以配(一个\w只能匹配一个字符)
re_str = r'a\wb'
print(re.fullmatch(re_str, 'awb'))
print(re.fullmatch(re_str, 'a8b'))
print(re.fullmatch(re_str, 'a_b'))
print(re.fullmatch(re_str, 'a+b')) # None
print(re.fullmatch(re_str, 'a胡b'))
# \d - 匹配任意一个数字字符
re_str = r'a\d\db'
print(re.fullmatch(re_str, 'a23b'))
print(re.fullmatch(re_str, 'a33b'))
print(re.fullmatch(re_str, 'aa3b')) # None
# \s - 匹配任意一个空白字符
re_str = r'a\sb'
print(re.fullmatch(re_str, 'a b'))
print(re.fullmatch(re_str, 'a\tb'))
print(re.fullmatch(re_str, 'a\nb'))
print(re.fullmatch(re_str, 'a b')) # None
# \W, \D, \S
# \W 匹配非数字字母下划线
# \D 匹配任意非数字
# \S 匹配任意非空字符
print(re.fullmatch(r'a\Db\Sc\Wd', 'aZb=c+d'))
print(re.fullmatch(r'a\Db\Sc\Wd', 'a2b=c+d')) # None
print(re.fullmatch(r'a\Db\Sc\Wd', 'aZb c+d')) # None
print(re.fullmatch(r'a\Db\Sc\Wd', 'aZb=c胡d')) # None
[字符集] - 匹配字符集中的任意一个字符
注意： 一个[]只能匹配一个字符
a. [普通字符集] 例如: [abc] - 匹配a、b、c三个字符中的任意一个
[aA123] - 匹配a、A、1、2、3中的任意一个字符
b. [字符1-字符2] 例如: [1-9] - 匹配123456789中的任意一个字符
[0-9] - \d
[a-z] - 匹配任意一个小写字母
[A-Z] - 匹配任意一个大写字母
[a-zA-Z] - 匹配任意一个字母
[\u4e00-\u9fa5] - 匹配任意一个中文字符
[1-9abc] - 匹配1~9或者abc中的任意一个字符
[a-zA-Z0-9_] - 匹配字母数字下划线
[\dxyz] - 任意数字或者x、y、z
注意: 字符1的编码值必须小于字符2的编码值
print(re.fullmatch(r'a[xyz89?]b', 'azb'))
print(re.fullmatch(r'a[xyz]b', 'anb'))
print(re.fullmatch(r'a[23456789]b', r'a7b'))
print(re.fullmatch(r'a[1-9abc]b', 'aab'))
print(re.fullmatch(r'a[abc1-9]b', 'aab'))
print(re.fullmatch(r'a[ac1-9b]b', 'aab'))
print(re.fullmatch(r'a[+*-]b', 'a-b'))
print(re.fullmatch(r'a[\dxyz]b', 'axb'))
print(re.fullmatch(r'a[\\dxyz]b', 'a\\b'))
[^字符集] - 匹配除了字符集以外的任意一个字符
[^abc] - 匹配除了abc以外的任意一个字符
[^1-9] - 匹配除了1~9以外的任意一个字符
print(re.fullmatch(r'a[^xyz]b', 'a=b')) # None
print(re.fullmatch(r'a[xyz^]b', 'a^b'))
2、检测符号
- \b - 检测是否是单词结尾
单词结尾 - 所有可以区分出两个不同单词的符号都是单词结尾，其中字符串开头和字符串结尾
用法: 检测\b所在的位置是否是单词结尾；不影响匹配的时候的字符串长度
# 匹配一个长度是3的字符串，第一个字符是a,最后一个字符是b,中间是任意一个数字；并且要求b的后面是单词边界
re_str = r'a\db\b'
print(re.fullmatch(re_str, 'a7b'))
re_str = r'a\bxy'
print(re.fullmatch(re_str, 'a xy')) # None
re_str = r'abc\b\sxyz'
print(re.fullmatch(re_str, 'abc xyz'))
result = re.search(r'\d\d\d\b', 'ashdjfhow2378how 899kah989sf 789')
print(result)
- ^ - 检测字符串开头
# 判断^所在的位置是否是字符串开头
re_str = r'^\d\d\d'
print(re.fullmatch(re_str, '123'))
print(re.search(re_str, 'k898ahs237khhj'))
# 3)$ - 检测字符串结尾
re_str = r'\d\d\d$'
print(re.search(re_str, '123k898ahs237khhj990'))
re_str = r'^\d\d\d\d\d$'
3、匹配次数
1) ? + *
? 匹配0次或1次
+ 匹配1次或多次
* 匹配0次或多次
# 1) ? - 匹配0次或1次
"""
x? - x出现0次或1次
\d? - 任意数字出现0次或1次
[a-z]? - 小写字母出现0次或1次
"""
re_str = r'ax?b'
print(re.fullmatch(re_str, 'ab'))
print(re.fullmatch(re_str, 'axb'))
print(re.fullmatch(re_str, 'axxb')) # None
# 2) * - 匹配0次或多次
re_str = r'a\d*b' # r'a\d\d...\d\db'
print(re.fullmatch(re_str, 'ab'))
print(re.fullmatch(re_str, 'a2b'))
print(re.fullmatch(re_str, 'a12b'))
print(re.fullmatch(re_str, 'a1272937928329b'))
# 3) + - 匹配1次或多次
re_str = r'a\d+b'
print(re.fullmatch(re_str, 'ac')) # None
print(re.fullmatch(re_str, 'a2b'))
print(re.fullmatch(re_str, 'a12b'))
print(re.fullmatch(re_str, 'a1272937928329b'))
2) {}
{N} - 匹配N次
{M,N} - 匹配M到N次: ? -> {0,1}
{M,} - 匹配至少M次 * -> {0,} + -> {1,}
{,N} - 匹配最多N次
re_str = r'a\d{5}b'
print(re.fullmatch(re_str, 'a8867b'))
print(re.fullmatch(re_str, 'a88679b'))
print(re.fullmatch(re_str, 'a8867549b'))
re_str = r'a\d{3,5}b'
print(re.fullmatch(re_str, 'a8867b'))
print(re.fullmatch(re_str, 'a88679b'))
print(re.fullmatch(re_str, 'a8867549b'))
re_str = r'a\d{5,}b'
print(re.fullmatch(re_str, 'a8867b'))
print(re.fullmatch(re_str, 'a88679b'))
print(re.fullmatch(re_str, 'a8867549b'))
re_str = r'a\d{,5}b'
print(re.fullmatch(re_str, 'a8867b'))
print(re.fullmatch(re_str, 'a88679b'))
print(re.fullmatch(re_str, 'a8867549b'))
3) 贪婪和非贪婪
匹配次数不确定的时候有贪婪和非贪婪两种状态
?、*、+、{M,N}, {M,}, {,N} - 默认是贪婪的
??, *?, +?, {M,N}?, {M,}?, {,N}? - 非贪婪
贪婪 - 在能匹配成功的前提下，尽可能多的匹配
非贪婪 - 在能匹配成功的前提下，尽可能少的匹配
re_str = r'\d{3,5}'
re_str1 = r'\d{3,5}?'
print(re.search(re_str, 'abd54378'))
print(re.search(re_str1, 'abd54378'))
re_str = r'\d+'
re_str1 = r'\d+?'
print(re.search(re_str, 'fdj74389028729'))
print(re.search(re_str1, 'fdj74389028729'))
re_str = r'a.+b'
re_str1 = r'a.+?b'
print(re.search(re_str, '==aljfjkl745jbds322nfdjbv'))
print(re.search(re_str1, '==aljfjkl745jbds322nbfdjbv'))
3、分之与分组
1) | - 分之
- 正则1|正则2 --> 先让正则1去匹配，如果匹配不成功再用正则2匹配；只要两个中有一个能够匹配成功就成功
# 匹配三个数字或者三个字母的字符串
re_str = r'\d{3}|[a-zA-Z]{3}'
print(re.fullmatch(re_str, '890'))
# 匹配一个字符串: abc前是3个数字或者3个字母
# 123abc, uJhabc
re_str = r'\d{3}abc|[a-zA-Z]{3}abc'
2) () - 分组
(正则表达式) - 将正则表达式看成一个整体进行操作
整体控制次数: ()匹配次数
重复: 带分组的正则表达式\M -- 在\M的位置重前面第M个分组匹配到的内容
# ab78hj90lo23
re_str = r'[a-z]{2}\d{2}[a-z]{2}\d{2}[a-z]{2}\d{2}'
# 9h8k9j8j7h6u5k....
re_str = r'(\d[a-z])+'
# 匹配一个字符串: abc前是3个数字或者3个字母
re_str = r'(\d{3}|[a-z]{3})abc'
print(re.fullmatch(re_str, 'mskabc'))
# abc123abc -成功！ xab234xab - 成功! xyz123xyz -成功！
# abc123acb -失败! xab234sdk -失败！
# ab-ab abc-abc 123-123
re_str = r'(\d+)abc\1'
print(re.fullmatch(re_str, '234abc234'))
print(re.fullmatch(re_str, '12345abc12345'))
print(re.fullmatch(re_str, '234abc890')) # None
re_str = r'(\d+)([a-z]+)=\2'
print(re.fullmatch(re_str, '6kh=kh'))
re_str = r'(\d+)=\1([a-z]+)'
print(re.fullmatch(re_str, '123=123ioo'))
re_str = r'(\d{3})=(\1){2}'
print(re.fullmatch(re_str, '234=234234'))
